[发明专利]无人机精确位置的自主降落导引方法有效
申请号: | 201910446706.3 | 申请日: | 2019-05-27 |
公开(公告)号: | CN110221625B | 公开(公告)日: | 2021-08-03 |
发明(设计)人: | 李晓峰;杨晗;管岭;贾利民 | 申请(专利权)人: | 北京交通大学 |
主分类号: | G05D1/12 | 分类号: | G05D1/12;G05D1/10;G05B11/42 |
代理公司: | 北京市商泰律师事务所 11255 | 代理人: | 黄晓军 |
地址: | 100044 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 无人机 精确 位置 自主 降落 导引 方法 | ||
1.一种无人机精确位置的自主降落导引方法,其特征在于,包括:
通过卫星导航系统引导无人机飞行到地面上的降落标靶的设定距离范围内;
通过机载相机获取地面的视频图像,通过图形检测规则识别出所述视频图像中包含的降落标靶上的语义图标,根据所述降落标靶上的语义图标计算出降落标靶的中心位置信息;根据所述降落标靶的中心位置信息通过机载相机与无人机的姿态和相对位置关系,计算大地坐标系下所述降落标靶的位置和动态特性;
基于所述降落标靶的位置和动态特性持续计算出大地坐标系下无人机与降落标靶的相对位置和相对速度,通过三重PID控制算法控制无人机降落在所述降落标靶的中心位置;
所述降落标靶的内部包含多个互不重叠的语义图标,每个语义图标的大小、位置以及对应的语义都是已知的,多个语义图标按照一定规律排布,使得无人机降落过程中机载相机始终至少能看到1个语义图标;
所述语义图标的主体为黑色矩形,黑色矩形能够旋转90°、180°和270°,所述语义图标的内部按照语义规则画有不同位置和数量的白色矩形,将各个语义图标包含的语义信息保存在语义图标数据库中;
所述的通过机载相机获取地面的视频图像,通过图形检测规则识别出所述视频图像中包含的降落标靶上的语义图标,根据所述降落标靶上的语义图标计算出降落标靶的中心位置信息,包括:
通过无人机的机载相机拍摄地面的视频图像,将所述视频图像转换为灰度图像,根据所述灰度图像中每个像素点的邻域计算出每个像素点对应的自适应阈值,将每个像素点的灰度值与对应的自适应阈值进行比较,当某个像素点的灰度值大于自适应阈值时,则将所述某个像素点设为白色,当某个像素点的灰度值不大于自适应阈值时,则将所述某个像素点设为反之设置为黑色;
提取重新设置像素点后的灰度图像中的黑色矩形,并按照语义规则检测该黑色矩形是否为正确的语义图标;
所述的语义规则为:将黑色矩形的每个边6等分,将对边的对应等分点连接,由此将黑色矩形分为6×6个小矩形,除去最外围的一层全为黑色外,内部的每个小矩形中,黑色占大多数的矩形记为0,白色占大多数的矩形记为1,由上至下将黑色矩形中的每一行的数据串联起来,得到串联数据,同一个黑色矩形旋转90°、180°、270°所产生的串联数据被认为含有相同的信息,保证语义图标与语义信息的唯一对应关系,不使用中心对称和轴对称的语义图标,将所述串联数据作为所述语义图标所蕴含的语义信息,将所述串联数据所代表的语义信息与语义图标数据库中存储的各个语义图标的语义信息进行对比,当有对比结果为一致时,则确定上述串联数据对应的黑色矩形为正确的语义图标;
根据降落标靶上的所有语义图标所蕴含的语义信息计算出降落标靶的中心位置信息;
所述的根据所述降落标靶的中心位置信息通过机载相机与无人机的姿态和相对位置关系,计算大地坐标系下所述降落标靶的位置和动态特性,包括:
根据降落标靶的中心位置信息建立标靶坐标系,根据各语义图标所蕴含的语义信息得到语义图标的顶点及中心在标靶坐标系下的坐标位置,其中包括语义图标的角点和中心点的像素坐标;
通过语义图标在标靶坐标系和图像像素坐标的一一对应关系获取标靶平面到相机成像平面的旋转和平移矩阵,根据标靶平面到相机成像平面的旋转和平移矩阵将语义图标在标靶坐标系下的坐标转换为语义图标在相机坐标系下的坐标,根据相机坐标系到大地坐标系的转换公式,将语义图标在相机坐标系下的空间坐标转换为语义图标在大地坐标系下的坐标;
以语义图标的东、北方向的大地坐标为输入,通过卡尔曼滤波计算大地坐标系下降落标靶的位置和速度,由降落标靶的东、北方向坐标和速度组成状态向量X=[x,y,vx,vy]T和输出向量Y=[x,y]T,大地坐标系下所述降落标靶的状态方程如式(1)所示:
Δt为采样时间间隔;W代表均值为零的系统噪声,是协方差为Q的高斯变量;V代表均值为零的量测噪声,是协方差为R的高斯变量;
所述标靶平面到相机成像平面的旋转和平移矩阵如式(2)所示:
其中,(u,v)为图像像素坐标,(x,y)为语义图标在标靶坐标系下的坐标,为内参矩阵,R为3×3的旋转矩阵,T为3×1的平移向量;
所述相机坐标系到大地坐标系的转换公式如式(3)所示:
Xg=RpXp+Xg0=RpRcXc+Xg0 (3)
其中Xg、Xp、Xc分别为降落标靶在大地坐标系、无人机坐标系、相机坐标系下的坐标;Xg0为无人机当前在大地坐标系下的坐标,由GNSS定位坐标转换得出;Rp、Rc分别为无人机系到大地坐标系、相机到无人机坐标系的旋转矩阵,计算公式如式(4)所示,其中,α为翻滚角,β为俯仰角,γ为偏航角;
2.根据权利要求1所述的方法,其特征在于,所述的基于所述降落标靶的位置和动态特性持续计算出大地坐标系下无人机与降落标靶的相对位置和相对速度,通过三重PID控制算法控制无人机降落在所述降落标靶的中心位置,包括:
基于所述降落标靶的位置和动态特性持续计算出大地坐标系下无人机与降落标靶的相对位置和相对速度;
以无人机与降落标靶的相对位置为输入,通过PID控制算法控制无人机向标靶移动;
以无人机与降落标靶的相对速度为输入,叠加在位置控制得出的速度上,通过PID控制算法追踪动态降落标靶;
以无人机与降落标靶的相对高度为输入,通过PID控制算法控制无人机降落在标靶上。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京交通大学,未经北京交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910446706.3/1.html,转载请声明来源钻瓜专利网。